• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    用于表情識別的半監(jiān)督學習自適應提升算法

    2016-07-19 02:14:11吳會叢賈克斌
    計算機應用與軟件 2016年6期
    關鍵詞:源域識別率人臉

    吳會叢 賈克斌 蔣 斌

    1(河北科技大學信息科學與工程學院 河北 石家莊 050018)2(北京工業(yè)大學電子信息與控制工程學院 北京 100124)

    ?

    用于表情識別的半監(jiān)督學習自適應提升算法

    吳會叢1賈克斌2蔣斌2

    1(河北科技大學信息科學與工程學院河北 石家莊 050018)2(北京工業(yè)大學電子信息與控制工程學院北京 100124)

    摘要針對半監(jiān)督人臉表情識別算法在表情來源多樣、姿態(tài)不一時準確率低的問題,在遷移學習自適應提升算法的基礎上,提出一種新的半監(jiān)督學習自適應提升算法。該算法通過近鄰計算由訓練集中的已標記樣本求出未標記樣本的類別,并借助AdaBoost.M1算法分別對多數(shù)據(jù)源的人臉表情樣本和多姿態(tài)人臉表情樣本展開識別,實現(xiàn)樣本的多類識別任務。實驗結果表明,與標號傳遞等半監(jiān)督學習算法相比,該算法顯著提高了表情識別率,且分別在多數(shù)據(jù)庫和多姿態(tài)數(shù)據(jù)庫上獲得了73.33%和87.71%的最高識別率。

    關鍵詞人臉表情識別半監(jiān)督學習自適應提升

    0引言

    近年來,人臉表情識別作為一種生物特征識別技術,已成為多媒體信息處理、人機交互、圖像處理與模式識別等領域的重要研究課題[1,2]。在人臉表情識別過程中,樣本標記起到了重要的作用,但是并不容易獲取。由于半監(jiān)督學習[3]能夠利用少量的標記樣本和大量的未標記樣本構建學習模型,研究者將其應用于人臉表情識別領域以解決標記樣本不足的問題,提高人臉表情識別的實用性。

    半監(jiān)督學習的目的是借助大量的未標記樣本參與訓練以彌補訓練樣本不足的缺陷。然而,專業(yè)數(shù)據(jù)庫中人臉表情圖像數(shù)量的不足限制了半監(jiān)督學習在表情識別中的發(fā)展。因此,需要尋找一種方案來解決數(shù)據(jù)量不足的問題,以便更好地完成半監(jiān)督學習在人臉表情識別中的應用。解決問題的思路有兩個:其一是將多個數(shù)據(jù)庫放在一起使用,進行多數(shù)據(jù)庫聯(lián)合實驗。該方法具有以下兩個優(yōu)點:第一,能夠收集大量的未標記樣本,方便研究者復原實驗過程,使得在該數(shù)據(jù)庫上得到的實驗結果更具有說服力;第二,在實際生活中,我們面對的人群是多種多樣的,多數(shù)據(jù)庫有利于我們模擬實際情況。所以使用多數(shù)據(jù)庫進行半監(jiān)督學習實驗的做法,具有很大的優(yōu)勢。其二是將多姿態(tài)圖像作為樣本,參與半監(jiān)督人臉表情識別。該方法對于在現(xiàn)實環(huán)境中識別多姿態(tài)的人臉表情圖像具有重要的實際意義。

    目前,針對多數(shù)據(jù)庫、多姿態(tài)表情識別的半監(jiān)督學習的研究還處于起步階段。針對多數(shù)據(jù)庫條件下的表情識別問題,文獻[4]提出了一種新的遷移子空間學習算法,在JAFFE、CK和Feedtum數(shù)據(jù)庫兩兩組合成的數(shù)據(jù)集上取得了一定的效果。對于多姿態(tài)條件下的表情識別問題,主要通過改進特征提取方法來提高樣本識別的正確率。文獻[5]采用了張量臉結合流形學習的方法來解決多姿態(tài)條件下的人臉識別問題。文獻[6]提出了基于正交鑒別向量的算法來克服人臉姿態(tài)變化對識別造成的干擾。文獻[7]將基于子空間的人臉表征看作一個回歸問題,因此采用了嶺回歸和線性回歸的方法來處理人臉的姿態(tài)變化問題。文獻[8]使用嵌入式馬爾科夫模型方法處理人臉的不同姿態(tài),獲得了比傳統(tǒng)的基于構件的分類器更好的識別率。

    為進一步提升多數(shù)據(jù)庫、多姿態(tài)條件下的表情識別率,本文引入了遷移學習自適應提升(TrAdaBoost)[9]算法中的知識遷移方式,提出了一種新的基于半監(jiān)督學習的自適應提升(SSL-AdaBoost)算法。選擇引入TrAdaBoost算法有以下兩點原因:其一,該方法是遷移學習理論的代表性算法,既能保證知識遷移效果,又具有結構簡單、便于操作的優(yōu)點;其二,該方法以AdaBoost算法為基本框架。而在半監(jiān)督學習中出現(xiàn)了不少基于AdaBoost框架的算法,如SemiBoost[10]算法、ASSEMBLE[11]算法以及RegBoost[12,13]算法等,為TrAdaBoost算法改進為半監(jiān)督學習算法提供了可能性。

    1算法原理分析

    1.1TrAdaBoost算法原理

    TrAdaBoost算法的基本原理如下:

    設Xs表示源域內和目標域數(shù)據(jù)分布相同的樣本,Xd表示源域內和目標域數(shù)據(jù)分布不同的樣本。令X=Xs∪Xd,Y={0,1}表示樣本標記,c表示將X映射到Y的布爾函數(shù),c(x)表示樣本x的標記。

    如果符合t≤N、εt<0.5的條件,算法開始循環(huán):

    (2) 依據(jù)分布Pt,采用WeakLearn得到樣本的分類結果ht:X→Y;

    (4) 設參數(shù)βt=εt/(1-εt);

    (5) 更新權重向量:

    (1)

    如果達到收斂條件,算法結束,否則繼續(xù)執(zhí)行。

    最后,輸出最終分類器hf(x):

    (2)

    其中,「?是上取整函數(shù),「N/2?表示不小于N/2的整數(shù)中最小值。

    1.2SSL-AdaBoost算法原理

    本文提出的SSL-AdaBoost算法在保留TrAdaBoost算法的知識遷移能力的同時,對TrAdaBoost算法進行兩方面的改進:一方面,TrAdaBoost算法屬于監(jiān)督學習算法,算法需要訓練樣本的標記信息,而SSL-AdaBoost算法是一個半監(jiān)督學習算法。按照半監(jiān)督學習的要求,訓練集由標記樣本和未標記樣本組成。因此,需要選取一定比例的訓練樣本為未標記樣本,余下的為標記樣本,從而兼顧了半監(jiān)督學習的要求和算法的分類性能。為了進一步消除未標記樣本對分類的不利因素,借助SemiBoost和ASSEMBLE等算法的處理方式,利用訓練集中的已標記樣本,通過近鄰計算求出訓練集中未標記樣本的類別。另一方面,TrAdaBoost算法用于解決二類分類問題,而人臉表情識別卻需要完成多種表情的識別任務。由于TrAdaBoost算法可以看作AdaBoost算法的擴展,而AdaBoost算法是二類分類方法,本文可以借助一種用于實現(xiàn)多類分類任務的AdaBoost算法,即AdaBoost.M1算法,完成樣本的多類識別。

    SSL-AdaBoost算法的基本原理如下:

    令Xs表示源域內和目標域數(shù)據(jù)分布相同的樣本,Xd表示源域內和目標域數(shù)據(jù)分布不同的樣本。令X=Xs∪Xd。

    (3)

    如果符合t≤N、εt<0.5的條件,算法開始循環(huán):

    (2) 依據(jù)分布Pt,采用WeakLearn得到樣本的分類結果ht:X→Y;

    (4) 設參數(shù)βt=εt/(1-εt);

    (5) 更新權重向量:

    (4)

    如果達到收斂條件,算法結束,否則繼續(xù)執(zhí)行。

    最后,輸出最終分類器hf(x):

    (5)

    2實驗結果及分析

    本文實驗以人臉表情識別為應用背景,共分為兩部分:多數(shù)據(jù)庫條件下的半監(jiān)督學習實驗和多姿態(tài)條件下的半監(jiān)督學習實驗。

    2.1多數(shù)據(jù)庫人臉表情識別實驗

    多數(shù)據(jù)庫條件下的半監(jiān)督學習實驗采用180幅日本女性人臉表情數(shù)據(jù)庫JAFFE(JapanFemaleFacialExpression)[14]的圖像、240幅美國卡內基梅隆大學動作單元編碼數(shù)據(jù)庫CK(Cohn-KanadeAU-CodedDatabase)[15]的表情峰值圖像以及荷蘭內梅亨大學人臉數(shù)據(jù)庫RaFD(RadboudFacesDatabase)[16]的57個成年人的342幅正面像。待分類樣本分別具有生氣、厭惡、恐懼、悲傷、高興和驚奇表情,各數(shù)據(jù)庫中每種表情的圖像數(shù)量基本相等。因為要進行多數(shù)據(jù)庫聯(lián)合實驗,所以在獲取人臉圖像后,對所有人臉圖像進行尺度歸一化,將圖像大小設為168×120。然后,采用直方圖均衡的方法對圖像進行光照補償。最后,通過PCA將數(shù)據(jù)維數(shù)降至40維,運用LDA實現(xiàn)對表情圖像的特征提取。

    為驗證SSL-AdaBoost算法的效果,實驗采用AdaBoost.M1算法、ASSEMBLE算法、RegBoost[12]算法和標號傳遞(LP)算法[17]作為基線算法。實驗以k近鄰分類器作為AdaBoost.M1、RegBoost和SSL-AdaBoost算法的基礎分類器。設k值為11,算法的最大循環(huán)次數(shù)為10次。

    首先,以JAFFE數(shù)據(jù)庫為源域、CK數(shù)據(jù)庫為目標域開展分類實驗。按照表情類別,隨機選取r比例的目標域樣本和源域樣本組成訓練集,其中r分別取10%、20%、30%、40%和50%。因為實驗采用180個JAFFE樣本和240個CK樣本,所以選取的目標域樣本數(shù)量為r×180,余下的240-r×180個目標域樣本組成測試集。令訓練集中標記樣本和未標記樣本的比例為1。每個比例的樣本數(shù)據(jù)各生成10組,算法識別率取10次實驗的平均結果,實驗結果如表1所示。從表1中可以看出,SSL-AdaBoost算法在不同比例下的平均識別率高于AdaBoost.M1和RegBoost算法。再以CK數(shù)據(jù)庫為源域、JAFFE數(shù)據(jù)庫為目標域進行對比實驗,結果如表2所示。從表2中可以看出,各算法的識別率普遍不高,原因在于JAFFE數(shù)據(jù)庫中的表情個體為日本女性,民族和性別情況單一,對同一種表情的表達強度近似。CK數(shù)據(jù)庫中的個體以歐美人群為主,民族及性別情況十分復雜,對同一種表情的表達強度不一。所以將CK數(shù)據(jù)庫作為源域,極大地增加了識別難度,但是本文提出的SSL-AdaBoost算法仍在10%~30%的比例下保持了最高的平均識別率。

    表1 JAFFE與CK數(shù)據(jù)庫的識別率

    表2 CK與JAFFE數(shù)據(jù)庫的識別率

    其次,以JAFFE數(shù)據(jù)庫為源域、RaFD數(shù)據(jù)庫為目標域開展分類實驗,結果如表3所示。從表3中可以看出,在不同的數(shù)據(jù)庫下,SSL-AdaBoost算法在不同比例下的平均識別率高于基線算法。再以RaFD數(shù)據(jù)庫為源域、JAFFE數(shù)據(jù)庫為目標域進行對比實驗,結果如表4所示。實驗結果表明,表3和表4的識別率高于表1和表2,原因在于JAFFE數(shù)據(jù)庫和RaFD數(shù)據(jù)庫的民族比較單一,前者為日本女性,后者為白種人。相比之下,CK數(shù)據(jù)庫包含了世界各地的民族,所以數(shù)據(jù)的特征空間和數(shù)據(jù)分布不一致的問題更嚴重,干擾了半監(jiān)督學習算法的識別效果。

    表3 JAFFE與RaFD數(shù)據(jù)庫的識別率

    表4 RaFD與JAFFE數(shù)據(jù)庫的識別率

    最后,以CK數(shù)據(jù)庫為源域、RaFD數(shù)據(jù)庫為目標域開展分類實驗,結果如表5所示。再以RaFD數(shù)據(jù)庫為源域、CK數(shù)據(jù)庫為目標域進行對比實驗,結果如表6所示。實驗結果表明,SSL-AdaBoost算法在40%和50%比例下,相對于基線算法在識別率上仍具有優(yōu)勢。CK數(shù)據(jù)庫和RaFD數(shù)據(jù)庫均以西方人為主,西方人對同一種表情的表達方式比較豐富,因此增加了識別的難度。

    表5 CK與RaFD數(shù)據(jù)庫的識別率

    表6 RaFD與CK數(shù)據(jù)庫的識別率

    綜上所述,SSL-AdaBoost算法在一定程度上克服了不同數(shù)據(jù)環(huán)境下的個體差異性對表情識別的干擾,有效地實現(xiàn)了對未標記樣本的訓練。與基線算法相比,SSL-AdaBoost算法在多數(shù)情況下具有更好的魯棒性和識別率,對比實驗證明了算法的有效性。

    2.2多姿態(tài)人臉表情識別實驗

    多姿態(tài)條件下的半監(jiān)督學習實驗選擇RaFD數(shù)據(jù)庫和BHU數(shù)據(jù)庫為實驗對象。前者選取了57個人的6種基本表情、3個水平旋轉角度(正面、135°和180°)的人臉圖像,每個角度的圖像數(shù)量為342幅。后者選取了8個人的兩種表情(生氣、高興)、2個水平旋轉角度(正面和水平旋轉30°)的人臉圖像。每個角度的圖像數(shù)量為480幅。每種表情的圖像數(shù)量相同。

    首先,實驗依靠圖像處理軟件,通過人工切分的方法,以前額發(fā)跡線到下顎為人臉的縱向切分范圍,獲取人臉圖像,所有人臉圖像的大小歸一化為64×64。其次,通過直方圖均衡化方法,對圖像進行光照補償。預處理后的實驗樣本如圖1和圖2所示。其中,圖1從上到下分別為正面、135°和180°旋轉角度的RaFD數(shù)據(jù)庫的表情圖像;圖2從上到下分別為正面和30°旋轉角度的BHU數(shù)據(jù)庫的表情圖像。最后,采用LDA算法作為樣本的特征提取算法。

    圖1 RaFD數(shù)據(jù)庫的實驗樣本

    圖2 BHU數(shù)據(jù)庫的實驗樣本

    實驗采用AdaBoost.M1算法、ASSEMBLE算法、RegBoost算法以及LP算法作為基線算法。分別以k近鄰分類器(k-NN)或反向傳播神經(jīng)網(wǎng)絡分類器(BP-NN)作為算法的基礎分類器。從中選取識別率高的分類結果作為最終的實驗結果。算法的最大循環(huán)次數(shù)設為10次。

    首先,以RaFD數(shù)據(jù)庫的正面樣本為源域、135°樣本為目標域開展分類實驗。采用k-NN作為基礎分類器,設k值為3。隨機選取r比例的目標域樣本和源域樣本組成訓練集,其中r分別取10%、20%、30%、40%和50%。因為實驗采用了正面及135°樣本各342個,所以選取的目標域樣本數(shù)量為r×342的整數(shù),余下的342-r×342個目標域樣本組成測試集。令訓練集中標記樣本和未標記樣本的比例為1。每個比例的樣本數(shù)據(jù)各生成10組,算法識別率取10次實驗的平均結果,實驗結果如表7所示。

    其次,以RaFD數(shù)據(jù)庫的正面圖像為源域、180°圖像為目標域進行對比實驗。實驗采用BP-NN作為基礎分類器。實驗結果如表8所示。

    表7 RaFD數(shù)據(jù)庫中正面和135°圖像的算法分類正確率

    表8 RaFD數(shù)據(jù)庫中正面和180°圖像的算法分類正確率

    表7和表8的實驗結果表明:一方面,算法識別率隨著偏轉圖像在訓練集中比例的增加而提高。既說明了特征空間和數(shù)據(jù)分布相同的樣本在分類中起到了很大作用,也說明了在樣本特征空間和數(shù)據(jù)分布不同的情況下,基線算法僅依靠抑制誤分類樣本無法獲得更好的識別效果。而SSL-AdaBoost算法依靠知識遷移,有效地運用正面圖像的表情特征,克服了樣本特征空間和數(shù)據(jù)分布差異對半監(jiān)督學習造成的干擾,在大部分比例下取得了比基線算法更高的識別率。另一方面,偏轉造成了人臉器官的遮擋以及大量表情信息的缺失,嚴重影響了算法的識別效果?;€算法在信息缺失與噪聲干擾的情況下,僅依靠少量偏轉圖像的表情特征不能更好地完成半監(jiān)督學習任務。SSL-AdaBoost算法通過知識遷移,將正面圖像的表情特征遷移到偏轉圖像的分類器構建之中,降低了信息缺失造成的干擾。在多姿態(tài)條件下,SSL-AdaBoost算法具有較好的魯棒性。

    最后,以BHU數(shù)據(jù)庫的正面圖像為源域、30°圖像為目標域開展分類實驗。實驗設置與表7相同。實驗結果如表9所示。從表9中可以看出,在BHU數(shù)據(jù)庫上,SSL-AdaBoost算法依然在識別率上保持了優(yōu)勢。多姿態(tài)條件下的實驗結果證明了SSL-AdaBoost算法的有效性。

    表9 BHU數(shù)據(jù)庫中正面和30°圖像的算法分類正確率

    3結語

    本文提出一種新的半監(jiān)督學習自適應提升算法。該算法借助遷移學習理論中的知識遷移方法,在多數(shù)據(jù)庫條件下將數(shù)據(jù)分布不同的樣本表情特征遷移到分類器的構建中,在一定程度上克服了不同數(shù)據(jù)環(huán)境下的個體差異性對表情識別的干擾,有效地實現(xiàn)了對未標記樣本的訓練。此外,在多姿態(tài)條件下將正面圖像的表情特征遷移到偏轉圖像的分類器構建中,降低了信息缺失造成的干擾。實驗結果表明,本文算法在多數(shù)據(jù)庫條件下有效地提高了算法的表情識別率;在多姿態(tài)表情圖像上取得了比基線算法更高的識別率。

    參考文獻

    [1] 劉帥師,田彥濤,王新竹.基于對稱雙線性模型的光照魯棒性人臉表情識別[J].自動化學報,2012,38(12):1933-1940.

    [2] 易積政,毛峽,IshizukaM,等.基于特征點矢量與紋理形變能量參數(shù)融合的人臉表情識別[J].電子與信息學報,2013,35(10):2403-2410.

    [3]ChapelleO,Sch?lkopfB,ZienA.Semi-supervisedlearning[M].Cambridge:MITPress, 2006.

    [4]YanHB,AngJrMH,PooAN.Cross-datasetfacialexpressionrecognition[C]//ProceedingsofIEEEInternationalConferenceonRoboticsandAutomation,Shanghai, 2011:5985-5990.

    [5]LiWQ,ChenDS.Multi-posefacerecognitioncombiningtensorfaceandmanifoldlearning[C]//ProceedingsoftheIEEEInternationalConferenceonComputerScienceandAutomationEngineering.Shanghai:IEEEPress, 2011:543-547.

    [6]WangJH,YouJ,LiQ,etal.Orthogonaldiscriminantvectorforfacerecognitionacrosspose[J].PatternRecognition, 2012,45(12):4069-4079.

    [7]LiAN,ShangSG,GaoW.Coupledbias-variancetradeoffforcross-posefacerecognition[J].IEEETransactionsImageProcess, 2012, 21(1):305-315.

    [8]LeePH,HsuGS,WangYW,etal.Subject-specificandpose-orientedfacialfeaturesforfacerecognitionacrossposes[J].IEEETransactionsonSystems,Man,andCybernetics-PartB:Cybernetics, 2012, 42(5):1357-1368.

    [9]DaiWY,YangQ,XueG,etal.Boostingfortransferlearning[C]//Proceedingsofthe24thInternationalConferenceonMachineLearning,Corvallis, 2007:193-200.

    [10]MallapragadaP,JinR,JainA,etal.SemiBoost:Boostingforsemi-supervisedlearning[J].IEEETransactiononPatternAnalysisandMachineIntelligence, 2009,31(11):2000-2014.

    [11]BennettKP,DemirizA,MaclinR.Exploitingunlabeleddatainensemblemethods[C]//Proceedingsofthe8thACMInternationalConferenceonKnowledgeDiscoveryandDataMining,Edmonton:ACMPress, 2002:289-296.

    [12]WangSH,ChenK.Ensemblelearningwithactivedataselectionforsemi-supervisedpatternclassification[C]//ProceedingsofInternationalJointConferenceonNeuralNetworks,Orlando,Florida,USA, 2007.

    [13]ChenK,WangSH.Semi-supervisedlearningviaregularizedboostingworkingonmultiplesemi-supervisedassumptions[J].IEEETransactiononPatternAnalysisandMachineIntelligence, 2011,33(1):129-143.

    [14]SuwaM,SugieN,FujimoraK.Apreliminarynoteonpatternrecognitionofhumanemotionalexpression[C]//Proceedingsofthe4thInternationalJointConferenceonPatternRecognition,Kyoto,Japan:InstituteofElectricalandElectronicsEngineers, 1978:408-410.

    [15]MaseK,PentlandA.Recognitionoffacialexpressionfromopticalflow[J].IEICETransactions,1991,E74(10):3474-3483.

    [16]EssaI,PentlandA.Coding,analysis,interpretationandrecognitionoffacialexpressions[J].IEEETransactiononPatternAnalysisandMachineIntelligence,1997,19(7):757-763.

    [17]ZhuXJ,GhahramaniZ.Learningfromlabeledandunlabeleddatawithlabelpropagation[R].TechnicalReportCMU-CALD-02-107,CarnegieMellonUniversity,2002.

    AN ADAPTIVE BOOSTING ALGORITHM WITH SEMI-SUPERVISED LEARNINGFORFACIALEXPRESSIONRECOGNITION

    Wu Huicong1Jia Kebin2Jiang Bin2

    1(College of Information Science and Engineering, Hebei University of Science and Technology, Shijiazhuang 050018, Hebei, China)2(College of Electronic Information and Control Engineering, Beijing University of Technology, Beijing 100124,China)

    AbstractTo address the low recognition rate of traditional facial expression recognition algorithm with semi-supervised learning caused by diverse expressions sources and different face attitudes, we propose a novel semi-supervised learning adaptive boosting (SSL-AdaBoost) algorithm based on transplanting learning adaptive boosting algorithm. The algorithm determines the categories of unmarked samples by calculating the marked samples concentrated in training through near neighbour, and recognises by means of AdaBosst.M1 algorithm the facial expression sample with multi-data sources and the facial expression sample of multiple attitudes respectively to realise the multi-category recognition task of samples. Experimental results show that the algorithm significantly improves the expression recognition rate in comparison with the label propagation method and many other semi-supervised learning methods. Besides, it achieves the highest recognition rate by 73.33% on multiple databases and 87.71% on multi-attitude database respectively.

    KeywordsFacial expression recognitionSemi-supervised learningAdaptive boosting

    收稿日期:2015-03-03。河北省自然科學基金項目(F201420 8113)。吳會叢,博士生,主研領域:數(shù)據(jù)挖掘,演化計算。賈克斌,教授。蔣斌,博士生。

    中圖分類號TP391.4

    文獻標識碼A

    DOI:10.3969/j.issn.1000-386x.2016.06.065

    猜你喜歡
    源域識別率人臉
    多源域適應方法綜述
    有特點的人臉
    基于參數(shù)字典的多源域自適應學習算法
    基于類圖像處理與向量化的大數(shù)據(jù)腳本攻擊智能檢測
    計算機工程(2020年3期)2020-03-19 12:24:50
    基于真耳分析的助聽器配戴者言語可懂度指數(shù)與言語識別率的關系
    三國漫——人臉解鎖
    動漫星空(2018年9期)2018-10-26 01:17:14
    提升高速公路MTC二次抓拍車牌識別率方案研究
    高速公路機電日常維護中車牌識別率分析系統(tǒng)的應用
    可遷移測度準則下的協(xié)變量偏移修正多源集成方法
    馬面部與人臉相似度驚人
    久久这里只有精品中国| 亚洲精品日韩在线中文字幕| 日本-黄色视频高清免费观看| 国产成人精品久久久久久| 日本黄色视频三级网站网址| 国产精品久久久久久久电影| 夜夜看夜夜爽夜夜摸| 只有这里有精品99| 国产男人的电影天堂91| 一级毛片我不卡| 久久久久久久国产电影| 伦精品一区二区三区| 在线观看av片永久免费下载| 亚洲国产欧美在线一区| 久久国内精品自在自线图片| 亚洲国产精品久久男人天堂| 亚洲成av人片在线播放无| 国产精品一区二区性色av| www日本黄色视频网| 综合色av麻豆| 日韩一区二区三区影片| 免费一级毛片在线播放高清视频| 身体一侧抽搐| 九色成人免费人妻av| 日本一二三区视频观看| 国产在线一区二区三区精 | 国产精品不卡视频一区二区| 亚洲色图av天堂| 日韩一区二区视频免费看| 成人一区二区视频在线观看| 国产欧美日韩精品一区二区| 99久国产av精品| 亚洲欧美一区二区三区国产| 在线观看美女被高潮喷水网站| 一夜夜www| 一区二区三区四区激情视频| 久久午夜福利片| 国产亚洲av嫩草精品影院| 我的老师免费观看完整版| 不卡视频在线观看欧美| 在线播放无遮挡| 精品人妻一区二区三区麻豆| 99热这里只有是精品50| 小蜜桃在线观看免费完整版高清| 国产探花极品一区二区| 人体艺术视频欧美日本| 日韩精品青青久久久久久| 日本wwww免费看| 国产男人的电影天堂91| 舔av片在线| 欧美激情在线99| 久久国内精品自在自线图片| 韩国高清视频一区二区三区| 午夜久久久久精精品| 好男人在线观看高清免费视频| 免费av毛片视频| 欧美性感艳星| 国产片特级美女逼逼视频| 老司机福利观看| 久久久精品大字幕| 三级经典国产精品| 日韩人妻高清精品专区| 搡女人真爽免费视频火全软件| 又粗又硬又长又爽又黄的视频| 日本爱情动作片www.在线观看| 99久久精品国产国产毛片| 久久精品国产亚洲网站| 精品人妻一区二区三区麻豆| 国产精品电影一区二区三区| 国产精品国产高清国产av| 国产精品一区二区在线观看99 | 午夜福利在线观看吧| 久久精品久久久久久噜噜老黄 | 99在线视频只有这里精品首页| 免费在线观看成人毛片| 久久久国产成人精品二区| 丝袜喷水一区| 赤兔流量卡办理| 白带黄色成豆腐渣| 国产免费一级a男人的天堂| ponron亚洲| 精品人妻视频免费看| 精品国产三级普通话版| 色噜噜av男人的天堂激情| 亚洲欧洲国产日韩| 亚洲欧洲国产日韩| 国产亚洲91精品色在线| 亚洲国产欧美人成| 亚洲一级一片aⅴ在线观看| www.色视频.com| 热99在线观看视频| 国产国拍精品亚洲av在线观看| 欧美性猛交黑人性爽| 我要看日韩黄色一级片| 成人无遮挡网站| 亚洲欧美清纯卡通| 午夜激情欧美在线| 亚洲美女搞黄在线观看| 秋霞伦理黄片| 美女脱内裤让男人舔精品视频| 91aial.com中文字幕在线观看| 国产国拍精品亚洲av在线观看| 日日干狠狠操夜夜爽| 观看美女的网站| 男插女下体视频免费在线播放| 99热6这里只有精品| 亚洲国产精品成人综合色| 亚洲不卡免费看| 99久国产av精品| 免费一级毛片在线播放高清视频| 特级一级黄色大片| 看免费成人av毛片| 精品熟女少妇av免费看| 日韩av不卡免费在线播放| 亚洲欧美成人综合另类久久久 | 欧美3d第一页| 国产亚洲av片在线观看秒播厂 | av女优亚洲男人天堂| 水蜜桃什么品种好| 国产精品一二三区在线看| 一级爰片在线观看| 免费一级毛片在线播放高清视频| 高清视频免费观看一区二区 | 中文精品一卡2卡3卡4更新| 久久久久久久久大av| 亚洲av福利一区| 噜噜噜噜噜久久久久久91| 能在线免费看毛片的网站| 国产一级毛片在线| 可以在线观看毛片的网站| 波野结衣二区三区在线| 婷婷色综合大香蕉| 国产av不卡久久| 日韩成人av中文字幕在线观看| 午夜福利视频1000在线观看| 狂野欧美白嫩少妇大欣赏| 久久精品夜色国产| 久久久久久久国产电影| 国产 一区 欧美 日韩| 99久久成人亚洲精品观看| 日韩一区二区视频免费看| 国产精品一区二区三区四区免费观看| 成年女人看的毛片在线观看| 亚洲真实伦在线观看| 国产精品人妻久久久影院| 一个人观看的视频www高清免费观看| 麻豆乱淫一区二区| 一级毛片aaaaaa免费看小| 一级黄色大片毛片| 欧美日韩精品成人综合77777| 成人特级av手机在线观看| 国产老妇伦熟女老妇高清| 久久精品国产鲁丝片午夜精品| 伦精品一区二区三区| 波多野结衣高清无吗| 长腿黑丝高跟| 国产在视频线精品| 成人一区二区视频在线观看| 91aial.com中文字幕在线观看| 亚洲五月天丁香| 亚洲在线自拍视频| 中文欧美无线码| 97热精品久久久久久| 中文字幕久久专区| 欧美日韩在线观看h| 少妇猛男粗大的猛烈进出视频 | 久久久久久国产a免费观看| 亚洲精品国产成人久久av| 在线天堂最新版资源| av免费在线看不卡| 一区二区三区乱码不卡18| 中文乱码字字幕精品一区二区三区 | 一级毛片aaaaaa免费看小| 色综合色国产| 日本熟妇午夜| 免费观看a级毛片全部| 国产单亲对白刺激| 亚洲最大成人手机在线| 国产精品久久久久久精品电影小说 | 国内精品宾馆在线| 国产在视频线在精品| 成人亚洲欧美一区二区av| 久久精品国产自在天天线| 亚洲av男天堂| 国产在视频线精品| 欧美潮喷喷水| 成人毛片60女人毛片免费| 长腿黑丝高跟| 成人性生交大片免费视频hd| 午夜精品国产一区二区电影 | 在线a可以看的网站| 久久国产乱子免费精品| 中文字幕熟女人妻在线| 成人性生交大片免费视频hd| 欧美97在线视频| 全区人妻精品视频| 日韩制服骚丝袜av| 一二三四中文在线观看免费高清| 久久精品国产99精品国产亚洲性色| 国产精品野战在线观看| av.在线天堂| 日韩欧美 国产精品| 精品午夜福利在线看| 精品一区二区三区视频在线| 成人一区二区视频在线观看| 国产女主播在线喷水免费视频网站 | 久久人人爽人人爽人人片va| 51国产日韩欧美| 91狼人影院| 男女下面进入的视频免费午夜| 婷婷六月久久综合丁香| 丰满少妇做爰视频| 久久人妻av系列| 国产女主播在线喷水免费视频网站 | 国产精品一区二区在线观看99 | 欧美日本视频| 在线观看av片永久免费下载| 亚洲熟妇中文字幕五十中出| 国产亚洲av嫩草精品影院| 高清在线视频一区二区三区 | 色综合亚洲欧美另类图片| 亚洲国产精品成人综合色| 午夜精品国产一区二区电影 | 综合色丁香网| 干丝袜人妻中文字幕| 久久综合国产亚洲精品| 欧美xxxx性猛交bbbb| 午夜视频国产福利| 永久免费av网站大全| 国国产精品蜜臀av免费| 亚洲成人久久爱视频| 欧美高清性xxxxhd video| 久久久国产成人免费| 精品99又大又爽又粗少妇毛片| 久久久久久久久久久丰满| 看免费成人av毛片| 国产一区二区在线观看日韩| 亚洲国产精品成人综合色| 亚洲美女搞黄在线观看| 亚洲经典国产精华液单| 日韩大片免费观看网站 | 日韩一区二区三区影片| 国产成人freesex在线| 亚洲精品日韩av片在线观看| 国产黄片视频在线免费观看| 99热这里只有精品一区| 久久久久久久久久久免费av| 久久婷婷人人爽人人干人人爱| 亚洲婷婷狠狠爱综合网| 国产又黄又爽又无遮挡在线| 边亲边吃奶的免费视频| 成人漫画全彩无遮挡| 国产精品久久久久久久久免| 国内精品美女久久久久久| 一二三四中文在线观看免费高清| 日韩在线高清观看一区二区三区| 日韩大片免费观看网站 | 亚洲精品日韩在线中文字幕| 亚洲av免费高清在线观看| 国产毛片a区久久久久| 国产亚洲最大av| 久久久a久久爽久久v久久| 国产精品无大码| 中文乱码字字幕精品一区二区三区 | 欧美不卡视频在线免费观看| 日韩强制内射视频| 久久这里有精品视频免费| www.色视频.com| 久久精品久久久久久久性| 亚洲第一区二区三区不卡| 亚洲欧美日韩卡通动漫| 两性午夜刺激爽爽歪歪视频在线观看| 国产亚洲最大av| 国产成人a区在线观看| 精品久久久久久久久亚洲| 国产中年淑女户外野战色| 最近中文字幕2019免费版| 综合色丁香网| 国产伦一二天堂av在线观看| 一级毛片电影观看 | 在线观看一区二区三区| 99久国产av精品| 欧美又色又爽又黄视频| 亚洲成人久久爱视频| av.在线天堂| 久久久精品欧美日韩精品| 一区二区三区乱码不卡18| 九色成人免费人妻av| 99久久精品国产国产毛片| 亚洲国产精品国产精品| av天堂中文字幕网| 亚洲国产欧洲综合997久久,| 国产美女午夜福利| 91精品一卡2卡3卡4卡| 看非洲黑人一级黄片| 国语对白做爰xxxⅹ性视频网站| 国产色婷婷99| 国产精品福利在线免费观看| 69av精品久久久久久| 国产精品麻豆人妻色哟哟久久 | 全区人妻精品视频| a级毛片免费高清观看在线播放| 麻豆av噜噜一区二区三区| 三级经典国产精品| 亚洲自偷自拍三级| 国产亚洲一区二区精品| 22中文网久久字幕| 国产片特级美女逼逼视频| 最近中文字幕2019免费版| 丝袜美腿在线中文| 国内精品一区二区在线观看| 午夜亚洲福利在线播放| 高清视频免费观看一区二区 | 国产乱来视频区| 成人毛片60女人毛片免费| 国产精华一区二区三区| 老司机影院毛片| 亚洲av熟女| 久久久久久久久久成人| 天美传媒精品一区二区| 中国美白少妇内射xxxbb| 国产亚洲午夜精品一区二区久久 | 午夜激情欧美在线| 22中文网久久字幕| 51国产日韩欧美| 国产精品一区二区性色av| 最近手机中文字幕大全| av.在线天堂| 日韩欧美精品免费久久| 网址你懂的国产日韩在线| 两个人视频免费观看高清| 国产伦一二天堂av在线观看| 狂野欧美激情性xxxx在线观看| videos熟女内射| 亚洲欧洲国产日韩| 高清在线视频一区二区三区 | 卡戴珊不雅视频在线播放| 亚洲精华国产精华液的使用体验| 亚洲欧洲日产国产| 午夜精品一区二区三区免费看| 久久精品夜夜夜夜夜久久蜜豆| 男插女下体视频免费在线播放| 欧美变态另类bdsm刘玥| 亚洲国产欧美人成| videos熟女内射| 亚洲av中文av极速乱| 欧美xxxx黑人xx丫x性爽| 国产伦在线观看视频一区| 色哟哟·www| 国产精品电影一区二区三区| 精品久久久久久久久av| 成人欧美大片| 国产一区二区亚洲精品在线观看| 秋霞伦理黄片| 亚洲最大成人av| 国产淫语在线视频| 精品久久久久久久久av| 中文字幕av在线有码专区| 国国产精品蜜臀av免费| 亚洲精华国产精华液的使用体验| 一边亲一边摸免费视频| 赤兔流量卡办理| 欧美一区二区国产精品久久精品| 亚洲人成网站高清观看| 国产精品一区二区三区四区久久| 乱码一卡2卡4卡精品| 日韩制服骚丝袜av| 老女人水多毛片| 国产成人91sexporn| 亚洲不卡免费看| 男女下面进入的视频免费午夜| 久久草成人影院| 亚洲精品成人久久久久久| 美女高潮的动态| 亚洲自拍偷在线| 免费搜索国产男女视频| kizo精华| 国产av一区在线观看免费| 村上凉子中文字幕在线| 中文字幕亚洲精品专区| 日韩制服骚丝袜av| 国产精品麻豆人妻色哟哟久久 | 2021少妇久久久久久久久久久| 最近中文字幕2019免费版| 日韩高清综合在线| 欧美日韩一区二区视频在线观看视频在线 | 一级黄色大片毛片| 日韩欧美精品免费久久| 大话2 男鬼变身卡| 国产麻豆成人av免费视频| 婷婷色麻豆天堂久久 | 99久久精品热视频| 久久人妻av系列| 亚洲18禁久久av| 极品教师在线视频| 内射极品少妇av片p| 青青草视频在线视频观看| 特级一级黄色大片| 卡戴珊不雅视频在线播放| 国产精品一区二区在线观看99 | 久99久视频精品免费| 男女啪啪激烈高潮av片| 国产69精品久久久久777片| 久久99蜜桃精品久久| 麻豆av噜噜一区二区三区| 日本与韩国留学比较| 国产亚洲一区二区精品| 亚洲成人中文字幕在线播放| 成人亚洲精品av一区二区| 少妇被粗大猛烈的视频| 成人二区视频| 日韩精品有码人妻一区| av黄色大香蕉| 国产精品国产三级国产av玫瑰| 观看免费一级毛片| 国产成年人精品一区二区| 国产淫语在线视频| 亚洲av电影在线观看一区二区三区 | 三级毛片av免费| 亚洲真实伦在线观看| 免费看日本二区| 精品久久久久久久久亚洲| 亚洲精品乱码久久久v下载方式| 婷婷六月久久综合丁香| 精品久久久噜噜| 久久久久久久午夜电影| 国产午夜精品论理片| 91在线精品国自产拍蜜月| 国产精品一区二区三区四区免费观看| 一区二区三区乱码不卡18| 亚洲av日韩在线播放| 精品一区二区三区视频在线| 亚洲精品久久久久久婷婷小说 | 久久久亚洲精品成人影院| 午夜激情福利司机影院| 欧美日韩精品成人综合77777| 别揉我奶头 嗯啊视频| 日韩欧美三级三区| 赤兔流量卡办理| 综合色丁香网| 在线观看66精品国产| 春色校园在线视频观看| 亚洲精品乱码久久久久久按摩| 日韩一区二区三区影片| 最新中文字幕久久久久| av在线老鸭窝| 国产视频首页在线观看| 天天一区二区日本电影三级| 免费观看人在逋| 国产探花在线观看一区二区| 国产精品一及| 美女高潮的动态| 国产免费一级a男人的天堂| 久久6这里有精品| 亚洲成av人片在线播放无| 国产一区亚洲一区在线观看| 日本三级黄在线观看| 哪个播放器可以免费观看大片| 亚洲欧美日韩东京热| 免费播放大片免费观看视频在线观看 | 成人高潮视频无遮挡免费网站| av在线播放精品| 国产免费男女视频| 一级毛片我不卡| 国内精品美女久久久久久| 精品无人区乱码1区二区| 亚洲成人中文字幕在线播放| 高清毛片免费看| 国产精品一区二区三区四区久久| 国产成人午夜福利电影在线观看| 69av精品久久久久久| 国产高清不卡午夜福利| 亚洲欧美日韩高清专用| 国产精品国产三级专区第一集| 国产精品蜜桃在线观看| 国产精品一及| 久久久欧美国产精品| av在线播放精品| 亚洲中文字幕日韩| 免费在线观看成人毛片| 少妇被粗大猛烈的视频| 国产免费又黄又爽又色| 欧美一区二区亚洲| 波野结衣二区三区在线| 水蜜桃什么品种好| 国产精品福利在线免费观看| 国产乱人偷精品视频| 有码 亚洲区| 国产探花极品一区二区| 国产精华一区二区三区| 免费看a级黄色片| 精品99又大又爽又粗少妇毛片| 国产欧美另类精品又又久久亚洲欧美| 日韩成人伦理影院| 97热精品久久久久久| 国内少妇人妻偷人精品xxx网站| 99热这里只有是精品在线观看| 免费播放大片免费观看视频在线观看 | 日本一本二区三区精品| av在线天堂中文字幕| 国产精品.久久久| 久久久国产成人免费| 亚洲国产精品sss在线观看| 国产综合懂色| 99九九线精品视频在线观看视频| 精品不卡国产一区二区三区| 国产中年淑女户外野战色| 久久亚洲精品不卡| a级一级毛片免费在线观看| 亚洲欧美日韩卡通动漫| 两个人的视频大全免费| 女的被弄到高潮叫床怎么办| 长腿黑丝高跟| 黄色配什么色好看| 亚洲国产色片| 黄片wwwwww| 国产一区有黄有色的免费视频 | 午夜老司机福利剧场| 男的添女的下面高潮视频| 女的被弄到高潮叫床怎么办| 国产国拍精品亚洲av在线观看| 日本熟妇午夜| 国产淫片久久久久久久久| 欧美日韩在线观看h| 真实男女啪啪啪动态图| 超碰av人人做人人爽久久| 中文亚洲av片在线观看爽| 国产麻豆成人av免费视频| 国内揄拍国产精品人妻在线| 天堂av国产一区二区熟女人妻| 日日摸夜夜添夜夜爱| 欧美精品一区二区大全| 国产精品蜜桃在线观看| 少妇的逼好多水| 亚洲欧美日韩东京热| 老司机影院成人| 日本午夜av视频| 大又大粗又爽又黄少妇毛片口| 观看美女的网站| 亚洲中文字幕一区二区三区有码在线看| 亚洲一区高清亚洲精品| 亚洲18禁久久av| 亚洲欧美日韩东京热| 国产淫片久久久久久久久| 看非洲黑人一级黄片| 成人欧美大片| 天天躁日日操中文字幕| 久久久午夜欧美精品| 亚洲图色成人| 乱人视频在线观看| 日本免费在线观看一区| 国产一级毛片在线| 国产国拍精品亚洲av在线观看| 国产精品国产高清国产av| 精品人妻熟女av久视频| 菩萨蛮人人尽说江南好唐韦庄 | 六月丁香七月| 日韩精品青青久久久久久| 国产在视频线在精品| 国产精品女同一区二区软件| 大话2 男鬼变身卡| 欧美另类亚洲清纯唯美| 欧美性猛交黑人性爽| 欧美区成人在线视频| 欧美丝袜亚洲另类| 七月丁香在线播放| 久久久久久久久久成人| 中文乱码字字幕精品一区二区三区 | 亚洲av男天堂| 久久久久久久久久成人| 国产片特级美女逼逼视频| 午夜a级毛片| 日韩欧美在线乱码| av卡一久久| 亚洲激情五月婷婷啪啪| 乱码一卡2卡4卡精品| 日韩成人av中文字幕在线观看| 国产免费一级a男人的天堂| 成年av动漫网址| 欧美一区二区国产精品久久精品| 国产老妇女一区| 又爽又黄无遮挡网站| АⅤ资源中文在线天堂| 人人妻人人澡人人爽人人夜夜 | av线在线观看网站| av在线天堂中文字幕| 亚洲av日韩在线播放| 九九爱精品视频在线观看| 最近视频中文字幕2019在线8| 天堂中文最新版在线下载 | 国产免费视频播放在线视频 | 超碰av人人做人人爽久久| 国产免费一级a男人的天堂| 高清毛片免费看| 偷拍熟女少妇极品色| 国产女主播在线喷水免费视频网站 | 精品久久久噜噜| 国产成人a∨麻豆精品| av在线观看视频网站免费| 欧美一级a爱片免费观看看| 国产精品久久久久久av不卡| 国产精品福利在线免费观看| 99热精品在线国产| 97热精品久久久久久| 哪个播放器可以免费观看大片| 免费一级毛片在线播放高清视频| 一本久久精品| 国产精品无大码| 亚洲av中文字字幕乱码综合| 最近手机中文字幕大全| 欧美bdsm另类| 尾随美女入室| 亚洲欧美日韩高清专用| www.色视频.com| 不卡视频在线观看欧美|